基于权重差异度的动态模糊聚类算法

来源：吉林大学学报·理学版杂志2019年第3期北京时间：

作者：刘良凤, 刘三阳

单位：西安电子科技大学 数学与统计学院, 西安 710126

摘要：针对传统模糊聚类算法需提前设置参数和初始聚类中心, 导致聚类结果不稳定的问题, 提出一种基于权重差异度的动态模糊聚类算法. 首先引入样本特征权重向量和样本间差异度的概念, 对数据集分布情况进行描述, 并采用新的评价指标获取候选聚类中心； 然后根据最小差异度准则, 对剩余样本点进行分类； 最后结合Davies-Bouldin指数(DBI)评价准则对候选聚类中心做进一步筛选与合并. 实验结果表明, 该算法在不同测试数据集上的性能明显优于传统聚类算法, 具有更高的自适应性和稳定性.

关键词：模糊聚类算法,权重向量,差异度,Davies-Bouldin指数,自适应